【地理空间】JTS构建R树索引

空间索引（Spatial Indexing）

回忆下数据库最基本的操作：增删改查以及稍复杂些的比如连接操作，基本都需要先锁定数据位置，再执行操作。而定位这个步骤，如果没有index，基本都是O(n)的时间复杂度，这是一个非常“耗时”的操作。“找”这个操作就需要定位。注意这里的定位不再是指在存储器上的位置，而是在空间中的位置，这里的空间，是由数据的维度张成的空间。空间数据，也即是这些拥有多维度的数据。这是空间数据的一个比较延展性的说法。但通常，空间数据都focus on 几何类型数据，比如点，线，面，球等，当然这些点、线都是可以任意维度的。对于空间数据的搜索，我们需要空间索引spatial index来提升搜素效率（速度）。目前主流数据（SQL server,MySQL,PostgreSQL,etc）都已加入了对spatial data的支持，这其中最主要的就是数据类型和索引的支持。

R-tree

MBR

为了统一描述空间类型，比如点，线，面等，Guttman首先提出了MBR的概念，即Minimum Bounding Box。MBR的含义是用一个最小的矩形（通常默认矩形的边平行于坐标轴），来框住这个几何体。

R-tree

R-tree主要吸纳了B+tree的思想，对数据进行分割。

JTS生成R树索引

JTS提供了如下的空间数据类型，还提供了读取各种空间描述文件（WTK等），线简化，空间操作（求交，计算距离，计算外包矩形等），建立空间索引等多种算法。
参考这篇文章：https://blog.csdn.net/wk1134314305/article/details/76408181
引入依赖包：

// Gradle
compile group: 'com.vividsolutions', name: 'jts', version: '1.13'
// Maven
<dependency>
<groupId>com.vividsolutions</groupId>
    <artifactId>jts</artifactId>
    <version>1.13</version>
</depen